Bruk av data i reiseliv – ulike case

Nudging – grep for å motvirke overturisme

Nudging er forankret i atferdsforskning, og blir i reiselivssammenheng brukt om å lede de besøkende mot mer bærekraftige valg, uten å pålegge restriksjoner eller reguleringer. Dette handler for eksempel om å styre trafikk for å unngå overturisme.

Ett eksempel er Beskydy fjellene i Polen, hvor de har lagd vandreløyper for å spre de besøkende. Løypene har fokus på læring og er strategisk plassert i regionen for å unngå toppen som alle ønsker å besøke. De besøkende kan samle stempler, slik at besøk spres og alle partnere i prosjektet belønnes. Neste steg er å lage en ny webside og digitale kart for å samle data over trafikken. De ønsker å oppfordre til aktiv deltagelse og forståelse av lokal kulturarv gjennom quiz og spill. Mange lokale partnere er tilknyttet. En utfordring er å finne apper hvor data er tilgjengelig i ettertid.

Involvering av interessenter – case Malaga

Malaga er en Smart Tourist Destination og de har gjennomgått et omfattende bærekrafts arbeid over mange år. I dette arbeidet har involvering av ulike interessentgrupper vært essensielt. En politisk ledelse med ekspert komité og forskningspartnere har gått i spissen, og det har også vært bevilget finansiell støtte. Det har vært aktiv deltagelse fra lokale interessenter som aktører og lokalbefolkning. En arbeidsgruppe og et turistforum er etablert. Informasjon, kommunikasjon, læring og bruk av data i beslutningstaking har hele veien stått sentralt.

Malaga er med i UN Tourism International Network of Sustainable Tourism Observatories. Nettverket jobber med overvåking og oppfølging av bærekraftig turismeutvikling på destinasjonsnivå. Observatoriet i Malaga ledes og drives av avdelingen for turisme, bypromotering og investeringer i Málaga bystyre. De overvåker blant annet tilgjengelighet, utgifter og økonomiske virkninger, lokal deltakelse og tilfredshet, turiststrømmer og -tetthet, klimatiltak, virkninger av cruiseskip, transport og digital infrastruktur. Byen jobber også med en digital dataplattform der innsikten integreres.

Slovensk samarbeid mellom kommuner

Julian Alps er Unesco område og utgjør 10% av Slovenia. Regionen har 28% av alle overnattinger i landet, men bare 4,5% av befolkningen. 84% av de besøkende kommer med bil, og nesten 60% i løpet av fire sommer måneder. De 12 kommunene gikk sammen i et nettverk for å løse felles utfordringer som press på natur og lokalsamfunn, trafikkproblemer om sommeren, store sesongvariasjoner, mangel på kunnskap om misbrukte, sårbare og beskyttede områder, ignoranse av lokalsamfunn, og for mange kilder til informasjon. De ønsket en felles nettside for å gjøre det enklere og mer brukervennlig, og gjøre markedsføringen mer troverdig samtidig som de ønsket å ansvarliggjøre gjestene i større grad.

Deres største utfordringer er kjent og felles for mange:

• Fragmenterte interessenter og datakilder: Destinasjonsselskaper, kommuner og tjenesteleverandører opererer i siloer, noe som hindrer enhetlig destinasjonsforvaltning og resulterer i usammenhengende datakilder.
• Inkonsistente standarder: Det er stor variasjon i metoder for datainnsamling, metoder for telling av besøkende og ikke-standardiserte indikatorer for bærekraftighet på tvers av ulike interessenter.
• Lokale blindsoneområder for data: Det mangler ofte hyperlokal, sesongspesifikk og miljøspesifikk data – spesielt i vernede områder og på mindre destinasjoner.
• Bekymringer rundt datapålitelighet: Det er for stor avhengighet av manuelle estimater, manuell databehandling og rapportering, og utdaterte systemer reduserer presisjonen og begrenser tilgjengeligheten av data på tvers av sektorer.

I tillegg er det styringsmessige og tekniske barrierer:

• Datastyring og tillit – bekymringer rundt GDPR-etterlevelse og en generell nøling blant lokale interessenter med å dele data åpent.
• Begrensede økonomiske ressurser for oppgradering av digital infrastruktur – spesielt i distriktsområder og mindre turistiske soner.
• Kapasitetsmangler – mangel på interne digitale ferdigheter og analytiske evner blant destinasjonsledere og små tilbydere. Mange datakilder forblir lukkede, ustrukturerte og vanskelige å integrere.
• Langsomme systemer – begrensede eller ingen sanntids overvåkingsverktøy begrenser muligheten til å ta rettidige, datadrevne beslutninger – spesielt for håndtering av besøkspress eller miljøpåvirkning.

Nettverket er enige om at fremtidig verdiskaping er avhengig av en bærekraftig tenkning. De jobber derfor mye med kundeorientering og benytter ord og bilder strategisk for å påvirke beslutningstakingen. Videre har de fokus på å utvikle bærekraftige produkter som bidrar til å styre besøksstrømmene. De bruker aktivt digitale verktøy i sine strategier for besøksforvaltning. All informasjon og data gjøres tilgjengelig via attraktive kanaler og besøksbevegelser spores. Blant annet benytter de heatmaps for å se bruken av tilrettelagte stier og live data fra kartleverandør.

Data fra hotellers PMS systemer

Felles for mange destinasjoner er at de prioriterer markedsføring foran planlegging, og bruker mer ressurser på å tiltrekke seg gjester enn å lede og ta seg av dem. Beslutninger er ofte ikke basert på sanntidsdata eller operative data, og planlegging blir derfor reaktiv i stedet for proaktiv. Man har ofte begrenset innsikt og fragmenterte datakilder, og mangler prognoser for framtiden.

Hotellers PMS (Property Management Systems) brukes for å styre daglige operasjoner som blant annet reservasjoner, rengjøring, inn og utsjekk, betaling, romfordeling og rapportering. Disse integreres med websider, booking løsninger, regnskap, revenue management, CRM, Business Intelligence, systemer for tv, air condition, vindus-skjermer, temperatur etc. Sammen gir disse verdifulle data som til fordel kunne vært utnyttet bedre på destinasjonsnivå. Bruksområder kan for eksempel være:

1. Optimalisering av markedsføringsbudsjett basert på bestillingstid
2. Forbedring av kapasitetsplanlegging for besøkende
3. Sammenligning av perioder i løpet av året og prognoser for framtiden
4. Belønne gjestene for bærekraftige valg

Undersøkelser har vist at booking.com har kortere bestillingstid, kortere oppholdstid, høyere kanselleringsgrad og lavere gjennomsnittspris, mens Expedia har lengre bestillingstid, lengre oppholdstid, lavere kanselleringsgrad og høyere pris. Airbnb ligger mellom disse med middels bestillingstid og oppholdstid, og lavere kanselleringsgrad og pris.

Prediktive analyser – case Piemonte

Regionen Langhe Monferrato Roero i Piemonte, Italia, jobber med integrering av regional statistikk, lokale effektstudier og prediktive analyser. Data benyttes til markedsføring, planlegging av arrangementer og opplæring av interessenter. De samarbeider med regionale institusjoner og private teknologipartnere.

I 2024 inngikk de et nytt strategisk samarbeid med Lybra Tech om bruk av sanntidsdata og prediktive analyser. Dette er viktig for å forutse etterspørselstrender, og for å forbedre tidspunkt for markedsføring, prissetting og lagerstyring. De har avdekket viktige trender som høy etterspørsel i helgene og økende interesse for ferier i april-mai. Interessen topper seg i begynnelsen av august og 6.-20. september, drevet av internasjonale markeder. Operatørene får tidlig innsikt i bestillingstrender og besøksprofiler, bedre målretting av annonser og sponset innhold, samt muligheter for bedre sesongplanlegging av kampanjer og prisstrategier. Kvartalsvise opplæringssesjoner hjelper lokale bedrifter å holde seg konkurransedyktige. Dataene benyttes aktivt til benchmarking og politikkutvikling.

Optimalisering av turiststrømmer i vernede områder

Dette er et prosjekt i regi av Necstour og målet er å redusere presset på naturressursene. De jobber med å skaffe data for beslutningstaking. Disse skal være gruppert etter forvaltningsområder, interaktive og oppdatert i sanntid.

Målet er også en finansiell analyse som skal gi svar på spørsmål som:

• Hvilke markeder genererer flest reservasjoner og høyest inntekt?
• Hva er det totale antallet adganger og besøk?
• Hvilken region har hatt den mest signifikante veksten i besøk og inntekt sammenlignet med forrige år?
• Hva er atferdsmønstrene for besøk og inntekt gjennom året? Varierer forholdet marked og besøk etter de forskjellige tidene av året?
• Hvilken innvirkning har en spesifikk markedsføringskampanje for et marked hatt på økningen i antall besøk og inntekt?
• Hvilket marked har høyest etterspørsel utenfor høysesong?
• Hva er de prosentvise (og totale) variasjonene i besøk og inntekt for en gitt periode?